Compter les mots et les caractères | Segmentation, graphèmes et limites

Qu'est-ce qu'un mot ?

En français, un mot est à peu près ce qui se trouve entre deux espaces, mais le chinois, le japonais et le thaï s'écrivent sans espaces. La norme Unicode (UAX 29) décrit les limites de mots et les navigateurs ajoutent des dictionnaires pour ces langues. Un nombre comme 3,5 compte pour un mot.

Qu'est-ce qu'un caractère ?

Un ordinateur stocke le texte en points de code, mais le lecteur voit des graphèmes. Un drapeau, un emoji famille ou un e suivi d'un accent séparé sont plusieurs points de code mais un seul caractère visible. Ce compteur compte les graphèmes.

Vitesse de lecture et de parole

Une synthèse de 190 études publiée en 2019 par Marc Brysbaert donne une vitesse moyenne de lecture silencieuse d'environ 238 mots par minute pour les textes documentaires anglais et environ 260 pour la fiction. Les exposés et livres audio tournent autour de 130 à 160 mots par minute.

Limites courantes

Un SMS contient 160 caractères de l'alphabet GSM, ou 70 s'il contient d'autres caractères ; les messages plus longs sont découpés en parties de 153 ou 67. X autorise 280 caractères pondérés. Les moteurs de recherche affichent environ 50 à 60 caractères d'un titre et 155 à 160 d'une méta description, mesurés en pixels : ce sont des repères.

Questions fréquemment posées

Les espaces comptent-ils comme caractères ?

Oui, dans le comptage habituel. Le comptage sans espaces exclut espaces, tabulations et retours à la ligne, ce que certains éditeurs et traducteurs utilisent pour leurs tarifs.

Comment compte-t-on les mots en chinois ou en japonais ?

Avec une segmentation fondée sur des dictionnaires, qui découpe la phrase en mots d'un ou plusieurs caractères. Les résultats peuvent légèrement varier selon le navigateur.

Qu'est-ce que la densité des mots clés ?

La part d'un mot dans l'ensemble des mots. En ignorant les mots courants comme le, et ou de, on voit les mots qui portent le sujet.